AI adoption by industry shows what other sectors can learn

行业对人工智能的采用揭示了其他领域可借鉴的经验 | MIT Technology Review

Sponsored

人工智能

行业对人工智能的采用揭示了其他领域可借鉴的经验

科技和金融行业正在引领人工智能的采用进程。TripleTen 的研究显示，哪些技能将随后进入医疗、教育和零售领域。

By

• TripleTen

2026年10月20日

由 TripleTen 提供

目前关于职场中人工智能的叙述主要由硅谷推动。但将科技行业视为孤岛会忽略技术采纳的真实趋势——科技行业只是第一个进入这一领域的行业。

随着生成式人工智能和自动化工具的成熟，当前正在重塑软件工程和产品管理的变革，不可避免地会渗透到医疗、教育、零售和制造业。今天不同行业采纳速度的差异，并不是非科技行业落后的信号，而是不同行业吸收新工作流程速度的反映。对于科技行业以外的领导者及其团队而言，这种差异化的节奏为人工智能的采纳方式提供了实际的蓝图，也揭示了其中的机遇所在。

各行业的人工智能采纳光谱

TripleTen 最近的调查数据突显了当前不同经济领域之间采纳曲线的显著差异（见图1）。

图1：人工智能的采纳曲线在各行业中依然陡峭，但非科技行业的采纳率正在上升。

来源：TripleTen，2026

尽管科技行业领先，但金融行业紧随其后：48%的金融从业者被要求使用人工智能聊天机器人，32%的从业者被要求自动化其工作流程的一部分。这表明，一旦出现明确的应用场景，知识型工作对人工智能的整合速度有多快。

相比之下，医疗（18%被要求使用聊天机器人）和教育（25%）等行业的初始接触程度较低。由于这些广泛的行业类别涵盖了专业技术人员、临床或教学人员以及后台行政人员，因此不可能在一夜之间实现普遍采纳。将自动化工具整合到合规性要求高或涉及大量人工操作的领域需要更加谨慎的节奏，这也体现在较低的采纳率数据中。

被要求学习的人工智能技能

在所有被调查的行业中，79%的员工报告称被要求学习至少一项他们之前没有掌握的技能。观察当前科技行业对具体能力的需求，可以预览其他行业可能需要的技能组合（见图2）。

图2：各行业的劳动力正在学习新技能。

尽管其中一些技能听起来像是局限于科技行业的细分领域，但其中许多技能将转化为各行业一线工作的能力——从医院系统管理患者物流到学区处理行政报告。

有一项技能未得到应有的关注。只有30%的管理者和业主将判断人工智能输出是否正确视为绝对必要，这使它在七项技能列表中排在第六位。随着人工智能工具进入更多行业，这项技能能够在错误造成问题之前发现失误。这也是工作经验最有帮助的地方：要识别错误答案，你需要知道正确答案应该是什么样子。

早期采用AI技术能带来明显的职业优势：TripleTen的调查数据显示，当管理者从员工那里学习新技能或自动化流程时，88%由员工主导的AI创新最终成为公司的标准实践。

在早期采用AI的行业中，那些能识别重复性行政任务并使用AI工具进行优化的员工，将拥有参与制定组织政策的话语权。随着医疗网络、教育机构和零售运营开始更广泛地部署AI软件，那些懂得如何验证输出结果、提示模型和自动化日常任务的员工将占据明显优势。能够精简行政负担的员工，将拥有更高的留任率、晋升机会和薪资增长潜力。

TripleTen的AI战略与赋能负责人Ana Riabova表示：“大家都在谈论节省时间，但早期采用的真正优势在于扩大你能实际完成的事情范围。那些走在前列的人正在用AI处理过去必须转交给他人处理的事务。无论你是初级还是高级员工，你都能保留核心技能，但突然之间，你不再被这些技能所限制。”

AI资源差距：谁来支付培训费用以及员工如何学习

如果非科技行业对这些工具的采纳速度较慢，员工面临的挑战在于如何获取优质的学习资源。员工在培训上的自费投入因行业而异：

• 科技行业：平均1758美元（13%的人未花费任何费用）

• 金融行业：平均1664美元（24%的人未花费任何费用）

• 医疗行业：平均990美元（45%的人未花费任何费用）

• 教育行业：平均883美元（42%的人未花费任何费用）

去年，近一半的医疗和教育行业员工在职业发展上未产生任何自费支出。此外，科技行业员工更积极利用多样化的学习渠道（见图3）。

图3：职业发展努力与AI采纳曲线相呼应。

科技行业员工使用AI聊天机器人作为学习工具的比例是所有员工的近两倍（48% vs. 27%），且比非科技行业员工（21%）高出两倍多，有效利用AI加速其他技能的获取。

然而，当问及员工最信任谁来教授他们新技能时，他们更倾向于选择正在从事该工作的人（31%）。选择官方认证课程（19%）、AI工具（16%）或大学教授（6%）的人则相对较少。

结论

不同行业AI采纳率的差异并不是关于谁成功谁失败的故事，而是技术如何在经济中扩散的时间线。科技和金融行业正在测试AI整合的机制。对于医疗、教育、零售和制造业的员工来说，当前阶段提供了一个宝贵的窗口期，可以观察哪些技能能真正带来生产力提升——使他们能在这些技能成为行业标准预期之前提前掌握相关能力。

本内容由TripleTen制作，未由MIT Technology Review编辑团队撰写。

深度解析

人工智能

别被误导——大语言模型并不具备推理能力

在AlphaGo与围棋冠军李世石对弈十年后，如今的AI仍未触及当年取得胜利的底层机制。

• Thore Graepel档案页面

别被这个AI热潮误导

关于通用人工智能（AGI）和新能力的狂热宣称，在仔细审视下很快就会土崩瓦解。

• Timnit Gebru档案页面

• Emily M. Bender档案页面

OpenAI代理入侵Hugging Face事件的内部真相

一项新的OpenAI报告发现，底层模型因作弊和相互交流而获得奖励。

• Grace Huckins档案页面

比尔·盖茨称我们已跨越AI的危险阈值。接下来该怎么办？

在这次新的采访中，这位亿万慈善家对制定AI政策的紧迫性发出警告。

• Mat Honan档案页面

保持联系

插图由Rose Wong绘制

获取MIT技术评论的最新动态

发现特别优惠、热点新闻、即将举行的活动等更多信息。